Implementazione e valutazioni di Sepsis Watch

La sepsi rappresenta un onere significativo per il sistema sanitario. Le previsioni nazionali stimano 751.000 casi di sepsi grave all'anno, che aumenteranno a un tasso dell'1,5%. La sepsi rappresenta oltre 23 miliardi di dollari di costi ospedalieri aggregati per tutti i contribuenti e rappresenta quasi il 4% di tutte le degenze ospedaliere. Il sei percento di tutti i decessi negli Stati Uniti può essere attribuito alla sepsi. I pacchetti di cure guidate dal protocollo migliorano i risultati clinici ma richiedono un rilevamento precoce e accurato della sepsi. Sfortunatamente, l'identificazione precoce della sepsi rimane sfuggente anche per i medici esperti, il che porta all'incertezza diagnostica.

Per migliorare il consenso diagnostico, una task force nel 2016 ha concordato una nuova definizione di sepsi. La task force includeva anche un nuovo strumento di stratificazione del rischio per migliorare l'identificazione precoce, il modello qSOFA (Quick Sepsis-related Organ Failure Assessment), che era più accurato della vecchia sindrome da risposta infiammatoria sistemica (SIRS) nel predire gli esiti clinici avversi. Tuttavia, a causa del ricorso alla disfunzione d'organo terminale, la nuova definizione è stata criticata per la sua individuazione della sepsi in una fase avanzata del decorso clinico. Gli strumenti di supporto alle decisioni cliniche basati sull'analisi predittiva possono fornire informazioni fruibili e migliorare l'accuratezza diagnostica, in particolare nella sepsi.

Diversi strumenti di allerta precoce sono stati descritti nella letteratura pubblicata sulla base di analisi predittive e grandi set di dati. Un esempio è il National Early Warning Score (NEWS), che è stato sviluppato per discriminare i pazienti a rischio di arresto cardiaco, ricovero non pianificato in terapia intensiva o morte. Punteggi come NEWS sono in genere di portata ampia e non progettati per colpire specificamente la sepsi. Sono anche concettualmente semplici, in quanto utilizzano solo un piccolo numero di variabili e le confrontano con intervalli normali per generare un punteggio composito. Assegnando punteggi indipendenti a ciascuna variabile e utilizzando solo il valore più recente, entrambi ignorano le complesse relazioni tra le variabili e la loro evoluzione nel tempo.

Nel lavoro precedente, il nostro gruppo ha sviluppato un framework per modellare serie temporali multivariate utilizzando processi gaussiani multitask, tenendo conto dell'elevata incertezza, dei frequenti valori mancanti e delle frequenze di campionamento irregolari tipicamente associate a dati clinici reali che possono essere lette nel nostro lavoro precedente. Il nostro approccio di apprendimento automatico è superiore ad altri modelli di rilevamento della sepsi che utilizzano tecniche di analisi e apprendimento automatico tradizionali. Un'applicazione Web personalizzata, Sepsis Watch, presenta il punteggio di rischio insieme alle informazioni pertinenti sul paziente e invita l'utente a valutare ulteriormente il paziente e iniziare il trattamento, se appropriato. Il sistema Sepsis Watch è ora implementato dalle operazioni cliniche presso il Duke University Hospital.

Il nostro studio utilizza un progetto di studio di roll-out sequenziale nel dipartimento di emergenza del Duke University Hospital. Il nostro studio coinvolgerà i pod A, B, C e la Resuscitation Bay. Il progetto operativo non è in corso di attuazione nell'ala psichiatrica, corsia preferenziale, triage o eventuali incontri ricoverati. Il progetto operativo e quindi il nostro periodo di studio si basa su un roll out in due fasi:

• 1a fase: il modello predittivo avvisa il team di risposta rapida attraverso un dashboard. L'infermiere informa il team del rischio di sepsi e fornisce raccomandazioni terapeutiche al team primario e il team primario effettuerà gli ordini. L'infermiere del team di risposta rapida documenta la valutazione e le azioni intraprese nella cartella clinica elettronica.
• 2a fase: Miglioramento e ottimizzazione del flusso di lavoro integrato nella fase 1. Un miglioramento del flusso di lavoro include lo sviluppo di un protocollo e di un processo di ordinazione in base al quale il team di risposta rapida può effettuare ordini per i pazienti ritenuti idonei per il trattamento della sepsi. Un secondo miglioramento del flusso di lavoro include lo sviluppo di un feedback clinico e di un rapporto di auditing che verrebbe inviato al personale di prima linea con le misure delle prestazioni di conformità del pacchetto sepsi.

Oltre a osservare le misure di esito del paziente, proponiamo un ulteriore componente di studio con metodi misti per ottenere informazioni più ricche sugli effetti del sistema di allerta precoce sulla consapevolezza situazionale, sul processo decisionale e sul flusso di lavoro dei medici. Questa parte della nostra ricerca comporterà (1) la raccolta di dati dai medici attraverso una serie di interviste semi-strutturate, sondaggi e osservazioni (2) l'analisi di questi dati e l'identificazione di modelli e approfondimenti rilevanti. I medici rilevanti includono infermieri del team di risposta rapida, infermieri del pronto soccorso (DE) e medici ED. Queste interviste saranno condotte in tre turni durante il periodo di implementazione: prima del 1° braccio, dopo il 1° braccio e dopo il 2° braccio. I sondaggi elettronici saranno somministrati ai medici alla fine del 1° braccio e del 2° braccio. Le osservazioni si svolgeranno durante il 1° e il 2° braccio.

L'obiettivo delle interviste, dei sondaggi e delle osservazioni sarà (1) valutare l'effetto del sistema di allerta precoce sulla consapevolezza della situazione e sul processo decisionale dei medici, (2) capire come il sistema di allerta precoce si inserisce nel flusso di lavoro del medico e , (3) individuare opportunità per migliorare l'attuazione del sistema di allerta precoce per un futuro potenziamento.

Struttureremo le interviste secondo il modello di consapevolezza situazionale che distingue tra 3 livelli di consapevolezza situazionale: 1) percezione di informazioni rilevanti, 2) comprensione di tali informazioni e 3) anticipazione di eventi futuri sulla base di tali informazioni. Attraverso le interviste, le osservazioni e i sondaggi, speriamo anche di saperne di più sulle percezioni e le interazioni dei medici con il sistema di allerta precoce e il suo cambiamento nel flusso di lavoro del pronto soccorso esistente per la diagnosi e la gestione della sepsi. L'analisi dei dati sarà condotta con l'aiuto di ricercatori qualitativi qualificati di Data & Society, un istituto di ricerca di New York City che si concentra sulle questioni sociali e culturali derivanti dallo sviluppo tecnologico incentrato sui dati.